热水器以及热水器混合水温的控制方法、装置和设备与流程

本发明涉及智能家居领域，特别是涉及热水器、热水器混合水温的控制方法、装置和设备。

背景技术：

如今，热水器已成为人们生活中不可缺少的电器之一，随着人们高品质生活的不断追求，人们对热水器的使用舒适度都有了很高的要求。

热水器的混合水温是影响舒适度的重要因素，然而用户在使用传统热水器进行沐浴的时候，往往通过手动调节阀门开度来调节冷水与热水比例，达到自己合适的温度，这个过程一般要反反复复多次才能调到合适的水温。这给用户的使用带来了不便，降低了使用的舒适度。

技术实现要素：

基于此，有必要针对传统热水器混合水温控制不方便，影响热水器使用舒适度的问题，提供一种热水器、热水器混合水温的控制方法、装置和设备。

一种热水器，其中，所述热水器包括控制器、温度传感器以及混合阀开度传感器；温度传感器用于获取当前温度信息；所述混合阀开度传感器用于测量混合阀门的当前开度值；所述控制器与所述温度传感器及混合阀开度传感器通讯连接，用于根据当前温度信息、混合阀门的当前开度值及历史用水数据调节混合阀门。

上述热水器，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

作为一个具体实施方式，其中，所述温度传感器包括环境温度传感器、储水温度传感器以及混合水温传感器；

所述环境温度传感器、储水温度传感器以及混合水温传感器均与所述控制器连接；

所述环境温度传感器用于测量热水器当前的环境温度；

所述储水温度传感器用于测量热水器当前的水箱储水温度；

所述混合水温传感器用于测量热水器当前的混合水温。

作为一个具体实施方式，其中，所述热水器还包括显示板；

所述显示板与所述控制器连接。

一种热水器混合水温的控制方法，其中，所述热水器包括混合阀门；所述控制方法包括：

根据温度信息在用水习惯库中获取历史用水数据；

当获取到历史用水数据时，根据获取到的历史用水数据调整所述混合阀门的开度。

上述热水器混合水温的控制方法，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

作为一个具体实施方式，其中，当未获取到历史用水数据时所述控制方法包括：

生成本次用水数据；

将本次用水数据存储到用水习惯库中。

作为一个具体实施方式，其中，所述生成本次用水数据的步骤包括：

获取混合阀开度平均值；

若获取成功，则根据所述混合阀开度平均值生成本次用水数据；

若未获取成功，则读取混合阀开度传感器的数值，并根据所述混合阀开度传感器的数值生成本次用水数据。

作为一个具体实施方式，其中，所述根据温度信息在用水习惯库中获取历史用水数据的步骤之前还包括：

获取当前的用户信息；

根据所述当前的用户信息判断是否存在对应的用水习惯库；

如果存在，则执行根据温度信息在所述用水习惯库中获取历史用水数据的步骤；

如果不存在，则根据用户信息建立对应的用水习惯库。

作为一个具体实施方式，其中，所述历史用水数据存储于神经元中，所述神经元用于通过神经网络算法进行神经网络的自组织。

作为一个具体实施方式，其中，所述历史用水数据包括水箱设定温度、混合阀开度值、环境温度和混合水温；

所述根据温度信息在用水习惯库中获取历史用水数据的步骤包括：

获取当前的环境温度及当前的水箱设定温度；

根据所述当前的水箱设定温度激活目标神经网络层；

将所述当前的环境温度作为温度信息，在与所述目标神经网络层中匹配神经元；

若匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据。

作为一个具体实施方式，其中，若匹配不成功，则所述获取历史用水数据的步骤包括：

根据预先配置的温度偏移值对当前的环境温度进行调整；

使用调整后的环境温度作为温度信息，再次在所述目标神经网络层中匹配神经元；

若再次匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据；

若再次匹配不成功，统计调整次数，判断调整次数是否达到预先配置的最大调整次数；若否，则继续根据预先配置的温度偏移值对调整后的环境温度进行再次调整。

作为一个具体实施方式，其中，所述根据获取到的历史用水调整所述混合阀门的开度的步骤之后还包括：

获取当前的水箱储水温度；

比较所述当前的水箱储水温度与水箱设定水温；

若所述当前的水箱储水温度小于水箱设定温度，则根据所述当前的水箱储水温度激活第二目标神经网络层；

将环境温度作为温度信息，在与所述第二目标神经网络层中匹配神经元，获取第二用水数据；

判断是否重新获取到第二用水数据；

若是，则根据第二用水数据调整混合阀门的开度。

作为一个具体实施方式，其中，若未重新获取到第二用水数据，则所述控制方法还包括：

调整混合阀门的开度；

监测当前的混合水温是否等于历史用水数据中存储的混合水温；

若是，则根据获取当前的混合阀开度值，并根据所述当前的混合阀开度值生成本次用水数据；

若否，则判断所述混合阀门的开度是否达到预先配置的最大值；若未达到预先配置的最大值，则继续调整混合阀门的开度；

若达到预先配置的最大值，则发送提醒信息。

一种热水器混合水温的控制装置，其中，所述热水器包括混合阀门；

所述控制装置包括：

数据获取模块，用于根据温度信息在用水习惯库中获取历史用水数据；

开度调整模块，用于当获取到历史用水数据时，根据获取到的历史用水数据调整所述混合阀门的开度。

上述热水器混合水温的控制装置，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

作为一个具体实施方式，其中，当未获取到历史用水数据时所述控制装置包括：

数据生成模块，用于生成本次用水数据；

数据存储模块，用于将本次用水数据存储到用水习惯库中。

作为一个具体实施方式，其中，所述数据生成模块包括：

平均值获取单元，用于执行平均算法获取混合阀开度平均值；

本次数据生成单元，用于若获取成功，则根据所述混合阀开度平均值生成本次用水数据，若未获取成功，则读取混合阀开度传感器的数值，并根据所述混合阀开度传感器的数值生成本次用水数据。

作为一个具体实施方式，其中，所述控制装置还包括：

用户信息获取模块，用于获取用户信息；

信息判断模块，用于根据用户信息判断是否有对应用水习惯库，如果有，则由数据获取模块执行根据温度信息在所述用水习惯库中获取历史用水数据的步骤，如果没有，则根据用户信息建立用水习惯库。

作为一个具体实施方式，其中，所述用水数据存储于神经元中，所述神经元用于通过神经网络算法进行神经网络的自组织。

作为一个具体实施方式，其中，所述历史用水数据包括水箱设定温度、混合阀开度值、环境温度和混合水温；

所述数据获取模块包括：

温度获取单元，用于获取当前的环境温度及当前的水箱设定温度；

目标激活单元，用于根据所述当前的水箱设定温度激活目标神经网络层；

信息匹配单元，用于将所述当前的环境温度作为温度信息，在与所述目标神经网络层中匹配神经元；

数据获取单元，用于若匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据。

作为一个具体实施方式，其中，若匹配不成功，数据获取模块包括：

温度调整单元，用于根据预先配置的温度偏移值对当前的环境温度进行调整；

神经元获取单元，用于使用调整后的环境温度作为温度信息，再次在所述目标神经网络层中匹配神经元；

用水数据获取单元，用于若再次匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据；

次数判断单元，用于若再次匹配不成功，统计调整次数，判断调整次数是否达到预先配置的最大调整次数，若否，则继续根据预先配置的温度偏移值对调整后的环境温度进行再次调整。

作为一个具体实施方式，其中，所述控制装置还包括：

水温比较模块，用于获取当前的水箱储水温度；

温度判断模块，用于比较所述当前的水箱储水温度与水箱设定水温，若所述当前的水箱储水温度小于水箱设定温度，则根据所述当前的水箱储水温度激活第二目标神经网络层；

第二数据获取模块，用于将环境温度作为温度信息，在与所述第二目标神经网络层中匹配神经元，获取第二用水数据；

第二数据判断模块，用于判断是否重新获取到第二用水数据，若是，则根据第二用水数据调整混合阀门的开度。

作为一个具体实施方式，其中，若未重新获取到第二用水数据，则所述控制装置还包括：

开度调整模块，用于调整混合阀门的开度；

水温监测模块，用于监测当前的混合水温是否等于历史用水数据中存储的混合水温，若是，则根据获取当前的混合阀开度值，并根据所述当前的混合阀开度值生成本次用水数据；

调整判断模块，用于判断所述混合阀门的开度是否达到预先配置的最大值；若未达到预先配置的最大值，则继续调整混合阀门的开度；

信息发送模块，用于发送提醒信息。

一种热水器混合水温的控制设备，所述热水器包括混合阀门；所述设备包括处理器、存储器以及存储在存储器上的计算机程序，其中，所述计算机程序在被所述处理器执行时实现以下步骤：

根据温度信息在用水习惯库中获取历史用水数据；

当获取到历史用水数据时，根据获取到的历史用水数据调整所述混合阀门的开度。

上述热水器混合水温的控制设备，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

作为其中一种具体实施方式，其中，当未获取到历史用水数据时，所述计算机程序在被所述处理器执行时还可以实现以下步骤：

生成本次用水数据；

将本次用水数据存储到用水习惯库中。

作为其中一种具体实施方式，其中，所述生成本次用水数据的步骤包括：

获取混合阀开度平均值；

若获取成功，则根据所述混合阀开度平均值生成本次用水数据；

若未获取成功，则读取混合阀开度传感器的数值，并根据所述混合阀开度传感器的数值生成本次用水数据。

作为其中一种具体实施方式，其中，处理器执行所述根据温度信息在用水习惯库中获取历史用水数据的步骤之前还包括：

获取当前的用户信息；

根据所述当前的用户信息判断是否存在对应的用水习惯库；

如果存在，则执行根据温度信息在所述用水习惯库中获取历史用水数据的步骤；

如果不存在，则根据用户信息建立对应的用水习惯库。

作为其中一种具体实施方式，其中，所述历史用水数据存储于神经元中，所述神经元用于通过神经网络算法进行神经网络的自组织。

作为其中一种具体实施方式，其中，所述历史用水数据包括水箱设定温度、混合阀开度值、环境温度和混合水温。

作为其中一种具体实施方式，其中，处理器执行所述根据温度信息在用水习惯库中获取历史用水数据的步骤包括：

获取当前的环境温度及当前的水箱设定温度；

根据所述当前的水箱设定温度激活目标神经网络层；

将所述当前的环境温度作为温度信息，在所述目标神经网络层中匹配神经元；

若匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据。

作为其中一种具体实施方式，其中，若匹配不成功，则处理器执行所述获取历史用水数据的步骤包括：

根据预先配置的温度偏移值对当前的环境温度进行调整；

使用调整后的环境温度作为温度信息，再次在所述目标神经网络层中匹配神经元；

若再次匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据；

若再次匹配不成功，统计调整次数，判断调整次数是否达到预先配置的最大调整次数；若否，

则继续根据预先配置的温度偏移值对调整后的环境温度进行再次调整。

作为其中一种具体实施方式，其中，处理器执行所述根据获取到的历史用水调整所述混合阀门的开度的步骤之后还包括：

获取当前的水箱储水温度；

比较所述当前的水箱储水温度与水箱设定水温；

若所述当前的水箱储水温度小于水箱设定温度，则根据所述当前的水箱储水温度激活第二目标神经网络层；

将环境温度作为温度信息，在所述第二目标神经网络层中匹配神经元，获取第二用水数据；

判断是否重新获取到第二用水数据；

若是，则根据第二用水数据调整混合阀门的开度。

作为一种具体实施方式，其中，若未重新获取到第二用水数据，则所述计算机程序在被所述处理器执行时还可以实现以下步骤：

调整混合阀门的开度；

监测当前的混合水温是否等于历史用水数据中存储的混合水温；

若是，则根据获取当前的混合阀开度值，并根据所述当前的混合阀开度值生成本次用水数据；

若否，则判断所述混合阀门的开度是否达到预先配置的最大值；若未达到预先配置的最大值，则继续调整混合阀门的开度；

若达到预先配置的最大值，则发送提醒信息。

附图说明

图1为其中一个实施方式提供的热水器的电子阀门控制部分结构示意图；

图2为其中一个实施方式提供的热水器的电子阀门控制部分结构示意图；

图3为其中一个实施方式提供的热水器混合水温控制方法的流程图；

图4为其中一种实施方式提供的控制方法的获取本次用水数据的步骤的流程图；

图5为其中一个实施方式提供的神经网络中l_t1层拓扑结构的示意图；

图6为其中一种实施方式提供的获取历史用水数据的步骤的流程图；

图7为其中一种实施方式提供的控制方法的部分流程图；

图8为一种热水器混合水温的控制装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1是其中一个实施方式提供的热水器的电子阀门控制部分结构示意图。所述热水器包括控制器101，温度传感器103以及混合阀开度传感器105；所述温度传感器103用来获取当前温度信息，混合阀开度传感器105用于测量混合阀门107的当前开度值，并将测量得到的混合阀门107的当前开度值传送给所述控制器101，所述控制器101用于根据所述混合阀门107的当前开度值、当前温度信息及历史用水数据调节混合阀门107。

具体地，所述控制器101用于在用水习惯库中获取历史用水数据，并可以根据历史用水数据调节混合阀门107。所述控制器101可以还用于根据当前的温度信息、混合阀门107的当前开度值生成本次用水数据，并将本次用水数据存储在用水习惯库中，以便在下一次用水时从用水数据库中直接调取用水数据，对混合阀门107进行调节。

具体地，温度传感器103可以用于获取热水器的当前温度信息，并可以将获取的当前温度信息传送给所述控制器101。

具体地，混合阀开度传感器105可以用于测量混合阀门107的当前开度值，并可以将混合阀门107的当前开度值传送给所述控制器。

具体地，混合阀门107可以用于调节冷水、热水的比例，从而调节出水温度。混合阀门可以采用电子阀门，两端分别与控制器101、混合阀开度传感器105连接。

具体地，所述控制器101可以与所述温度传感器102、所述混合阀开度传感器105通信连接。

上述热水器，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

请参阅图2，图2是其中一个实施方式提供的热水器的电子阀门控制部分结构示意图。

所述热水器包括控制器101，混合阀开度传感器105、混合阀门107、环境温度传感器1031、储水温度传感器1033以及混合水温传感器1035。

具体地，所述环境温度传感器1031用于测量热水器的环境温度，所述储水温度传感器1033用于测量热水器的水箱储水温度，所述混合水温传感器1035用于测量热水器的混合水温。环境温度传感器1031、储水温度传感器1035以及混合水温传感器1037均与所述控制器101连接，分别将测量的环境温度、水箱储水温度以及混合水温传送给所述控制器101。

上述热水器，根据环境温度、水箱储水温度、混合水温等温度的不同自动调节混合阀门，进一步提高了用户使用热水器的舒适度。

请继续参阅图2，所述热水器还包括显示板109，所述显示板109与控制器101连接。

具体地，所述显示板109用于显示控制器101中的信息，显示板101还可以用于输入输出交互信息。

上述热水器，通过使用显示板将控制器中的信息显示出来，从而使用户更清晰直观的显示当前水温等信息以及交互信息，进一步提升了热水器的用户体验，进一步提高了用户使用热水的舒适度。

请参阅图3，图3是其中一个实施方式提供的热水器混合水温控制方法的流程图。其中，所述控制方法应用于热水器，所述热水器包括混合阀门；

所述控制方法包括：

s302，根据温度信息在用水习惯库中获取历史用水数据。

具体地，所述用水习惯库由一条或多条历史用水数据组成。当用户使用热水器时，可以根据当前的混合阀开度值等信息生成用水数据，将每次用水数据都存储入用水习惯库中。通过用水习惯库的不断累积，等用户再次使用热水器时，可以通过温度传感器获取温度信息，并通过温度信息从用水习惯库中的匹配合适的历史用水数据，并根据所述历史用水数据中的混合阀开度值去调整混合阀门的开度。通过这种方式，使热水器具备了自主学习能力，即首先从用水习惯库中获取历史用水数据，当用水数据库中没有合适的历史用水数据时，则根据本次用水情况生成本次用水数据，热水器学习本次用水数据，并更新用水习惯库。进一步地，所述历史用水数据可以存储在神经元中，通过神经网络的自组织形成用水习惯库。

s304，当获取到历史用水数据时，根据获取到的历史用水数据调整所述混合阀门的开度。

具体地，当用户使用热水器时，在用水习惯库的记录中选择出历史用水数据，然后通过历史用水数据中的混合阀开度值去调整混合阀门的开度。

进一步地，当用户使用热水器时，无法根据直接测量的温度信息获得历史用水数据时，还可以调整温度信息等其他方式获取历史用水数据，并根据获取的历史数据去调整所述混合阀门的开度。所述混合阀门的开度可以用来调节热水与冷水的比例，从而得到舒适温度的水。

上述控制方法，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

请继续参阅图3，图3是其中一个实施方式提供的热水器混合水温控制方法的流程图。其中，所述方法包括：

步骤s306，生成本次用水数据。

具体地，当无法从用水习惯库中获取历史用水数据时，热水器将提示用户手动调整混合阀门，再通过混合阀开度传感器测量当前的混合阀开度值，并根据历史用水数据的数据结构，通过各种手段感知其他数据段的信息，根据这些信息生成本次用水数据。

步骤s308，将本次用水数据存储在用水习惯库中。

具体地，热水器根据当前的混合阀开度值生成本次用水数据。并将本次用水数据存储在用水习惯库中，方便下次使用热水器时调取。可以理解，热水器自主生成用水数据，并不断更新用水习惯库就是热水器自主学习的过程，热水器可以通过这种自主学习，不断的累计用户的用水数据，不断地提升用户体验。

上述控制方法，通过热水器自主学习，不断地累计用户的历史用水数据，进一步提高了用户使用热水器的舒适度。

请参阅图4，图4为其中一种实施方式提供的控制方法的获取本次用水数据的步骤的流程图，所述步骤包括：

s402，获取混合阀开度平均值。

具体地，可通过平均算法获取混合阀开度的平均值，所述平均算法是指调取存储的用户前n次使用的历史用水数据，并计算这n次历史用水数据中的混合阀开度值的平均值，就得到了所述混合阀开度平均值。可以根据具体需求确定选择平均的次数n，例如，若选择平均的次数为3，则直接调取存储的前3次使用的历史用水数据，并将这3次历史用水数据中的混合阀门的开度值取平均值。进一步地，所述平均的次数可以在3至7之间(包括3与7)的整数中任意选择。

s404，若获取成功，则根据混合阀开度平均值生成所述本次用水数据。

具体地，如果能够根据所述平均算法获得所述混合阀开度平均值，则根据计算获取的混合阀门开度平均值，生成新的历史用水数据。

s406，若未获取成功，则读取混合阀开度传感器的数值，并根据所述混合阀开度传感器的数值生成本次用水数据。

具体地，如果根据平均算法没有获取所述混合阀开度平均值，例如没有足够的历史用水数据。则提示用户手动调整混合阀门，并利用混合阀开度传感器测量用户手动调整的混合阀门的开度。然后读取混合阀开度传感器的测量数值，生成本次用水数据。

作为其中一种具体实施方式提供的控制方法，所述根据温度信息在用水习惯库中获取历史用水数据的步骤之前还包括：获取当前的用户信息；根据所述当前的用户信息判断是否存在对应的用水习惯库；如果存在，则执行根据温度信息在所述用水习惯库中获取历史用水数据的步骤；如果不存在，则根据用户信息建立对应的用水习惯库。

具体地，首先判断用户是否初次使用该热水器，如果是初次使用热水器，则需要根据用户信息建立自己的账户，以便热水器可以识别用户。如果判断用户已经使用该热水器，则根据该用户的用水习惯库去获取历史用水数据。可以理解，所述用户信息包括并不限于用户的生理信息、名称信息、语音命令等。

作为其中一个实施方式提供的控制方法，所述历史用水数据包括水箱设定温度、水箱实时温度、混合阀开度值、环境温度和混合水温。

具体地，历史用水数据的数据结构可以包括水箱设定温度数据段、水箱实时温度数据段、混合阀开度值数据段、环境温度数据段以及混合水温数据段，对应的，一条历史用水数据可以包括水箱设定温度、水箱实时温度、混合阀开度值、环境温度和混合水温。所述水箱设定温度是指水箱中热水温度的设定值，可以由用户进行设定。所述水箱实时温度可以由储水温度传感器进行测量。所述混合阀开度值可以由混合阀开度传感器测量。所述环境温度是指热水器所处环境的温度，可以由环境温度传感器测量。所述混合水温是指用户感受到的水温，通过混合阀门的开度，调整冷热水的调整比例获得混合水温，可以由混合水温传感器测量。

作为其中一种实施方式提供的控制方法，其中，所述历史用水数据存储于神经元中，所述神经元用于通过神经网络算法进行神经网络的自组织。

具体地，热水器对于历史用水数据不断地积累学习，将累计学习到的历史用水数据存储在神经元中，利用神经网络学习算法的再励模式，结合有教师学习和无教师学习两种方式，进行神经网络的自组织。

具体地，例如，当水箱设定温度ta1被用户设定时，则l_ta1层神经网络即被建立，所有水箱设定温度为ta1的神经元均被激活。每个神经元均可被作为节点，与周围神经元相连，从而使得本层神经网络的神经元之间以及各层神经网络的神经元之间广泛相连。请参阅图5，图5为其中一个实施方式提供的神经网络中l_t1层拓扑结构的示意图，可以理解，图5只表达了一层神经网络层，而在三维空间中，多层神经网络广泛互联，相互激励。

上述控制方法，可以根据环境温度、水箱设定温度、水箱实时温度、混合水温去匹配相应的混合阀开度值，细化了在不同条件下用户对水温的需求，将所述历史用水数据存储在神经元中，并结合自组织的神经网络，提升了寻找到合适的历史用水数据的效率，从而进一步提升了用户的舒适度。

请参阅图6，图6为其中一种实施方式提供的获取历史用水数据的步骤的流程图，所述获取历史用水数据的步骤包括：

s602，获取当前的环境温度及当前的水箱设定温度。

具体地，可以通过环境温度传感器测量当前的环境温度，并将当前的环境温度传送给控制器，获取当前的水箱设定温度，并将所述水箱设定温度传送给控制器。

s604，根据所述当前的水箱设定温度激活目标神经网络层。

具体地，当用户设定了水箱设定温度，则首先使用水箱设定温度激活与水箱设定温度对应的神经网络层，所述对应的神经网络层就是所述目标神经网络层。然后再使用其他温度信息进一步在该对应的神经网络层中匹配神经元。

s606，将所述当前的环境温度作为温度信息，在与所述目标神经网络层中匹配神经元。

具体地，为了描述方便，设环境温度为t，以当前的环境温度t去匹配神经元。进一步地，如果设定水箱设定温度为ta1，则在l_ta1层的神经网络中，以当前的环境温度t去匹配神经元。

s608，若匹配成功，则获取处于兴奋状态神经元，并获取存储在所述神经元中的历史用水数据。

具体地，神经元中存储的历史用水数据包括水箱设定温度、水箱储水温度、混合阀开度值、环境温度和混合水温。所述匹配成功是指，设当前的环境温度为t，设在所述水箱设定温度ta1，则神经网络层l_ta1中，当l_ta1神经网络层中，存在某一神经元的环境温度为t，则匹配成功，且该神经元处于兴奋状态，从而可以获得该神经元中存储的历史用水数据，进而从历史用水数据中可以得到混合阀开度值，再根据混合阀开度值去调整混合阀门的开度，获得舒适的沐浴水温。

请继续参阅图6，作为其中一种实施方式提供的控制方法，若匹配不成功，则所述获取历史用水数据的步骤包括：

s6102，根据预先配置的温度偏移值对当前的环境温度进行调整。

具体地，若根据测量的环境温度没有获取到历史用水数据，则对环境温度进行微调，用微调后的环境温度进行匹配神经元。微调的幅度是可以根据神经网络的拓扑结构进行配置，也可以根据需求进行配置。例如预先配置的温度偏移值为1度，获取的环境温度为20度，则将环境温度微调至19度及21度，分别使用微调后的环境温度，即19度及21度进行匹配神经元。

s6104，使用调整后的环境温度作为温度信息，再次在所述目标神经网络层中匹配神经元。

具体地，使用微调后的环境温度，再次在目标神经网络中匹配神经元。例如使用19度及21度作为温度信息，在l_ta1层神经网络中匹配神经元。

s6106，若匹配不成功，统计调整次数，判断调整次数是否达到预先配置的最大调整次数。

具体地，最大调整次数是根据需求预先配置的，例如可以将最大调整次数设定为两次。所述统计调整次数，是指对调整的次数进行统计，每执行一次调整步骤可以认为是调整一次，例如获取的环境温度为20度，预先配置的温度偏移值为1度，则将环境温度微调为19度或21度，则视为调整一次；再将调整次数与预先配置的最大调整次数进行比较。

s6108，若否，则继续根据预先配置的温度偏移值对调整后的环境温度进行再次调整。

具体地，将环境温度微调为19度或21度后，视为调整一次，判断调整次数小于预先配置的最大调整次数，则可以对调整后的环境温度再次进行微调；将19度调整为18度，将21度调整为22度，然后使用18度及22度作为调整后的环境温度再去匹配神经元，并获取匹配到的神经元中存储的历史用水数据，然后根据历史用水数据中的混合阀开度值去调整混合阀门的开度。

进一步地，还可以将所述历史用水数据中的混合阀开度值、当前的水箱设定温度、当前的水箱储水温度、当前的环境温度以及当前的混合水温作为一条用水数据存储到相应神经网络层的神经元中，使用户再次在相同条件下使用热水器，可以直接匹配到相应历史用水数据，减少了历史用水数据的获取时间。

请参阅图7，图7为其中一种实施方式提供的控制方法的部分流程图，所述根据获取到的历史用水数据调整所述混合阀门的开度的步骤之后还包括：

s702，获取当前的水箱储水温度；

具体地，从储水温度传感器获取当前的水箱储水温度。

s704，比较所述当前的水箱储水温度是否小于水箱设定水温；

具体地，将所述当前的水箱储水温度与水箱设定水温进行比较。如果当前的水箱储水温度低于水箱设定水温，则说明水箱中热水的温度不足，此时混合阀门的开度应当根据当前的水箱储水水温做出相应调整。

s706，若所述当前的水箱储水温度小于水箱设定温度，则根据所述当前的水箱储水温度激活第二目标神经网络层；

具体地，为了描述方便，设当前的水箱储水温度为tc1，设定水温为ta1，一般地，储水水温tc1应当等于设定水温ta1，因此则激活的神经网络层是l_ta1层。但是如果储水水温tc1小于设定水温ta1时，则表明热水的出水温度下降，因此，热水器应当以储水水温去调整混合阀门的开度，通过改变冷、热水的比例来使混合水温不受影响。因此，应当根据tc1的值，激活其对应的l_tc1层神经网络，并在l_tc1层中继续根据环境温度去匹配神经元，获取第二历史用水数据。

进一步地，如果水箱储水温度等于设定温度，则继续监测并获取水箱储水温度。

s708，将环境温度作为温度信息，在与所述第二目标神经网络层中匹配神经元，获取第二用水数据。

具体地，获取当前的环境温度作为温度信息，获取第二用水数据。并根据第二用水数据中的混合阀开度值去调整混合阀门的开度。可以理解，还可以对当前的环境温度进行微调，用微调后的环境温度作为温度信息获取所述第二用水数据。

s710，判断是否重新获取到第二历史用水数据。

s712，若是，则根据所述第二历史用水数据调整混合阀门的开度。

具体地，如果能够重新获取到所述第二历史用水数据，则根据第二历史用水数据调整混合阀门的开度，以保持混合水温的温度。

请继续参阅图7，作为其中一种实施方式提供的控制方法，若未重新获取到第二历史用水数据，则所述控制方法还包括：

s7142，调整混合阀门的开度。

具体地，控制器根据预先设置的调整幅度，小幅调整混合阀门的开度。

s7144，监测当前的混合水温是否等于历史用水数据中存储的混合水温；

具体地，所述历史用水数据即用户开始沐浴时热水器在用水数据库中获取的历史用水数据，所述历史用水数据的数据结构可以包括混合水温数据段，其中存储混合水温。而混合水温主要起监测作用，如果当前的混合水温小于存储的混合水温，则需要调整混合阀门的开度。

具体地，在每次小幅调整混合阀门的开度后，监测当前的混合水温是否与所述的历史用水数据中存储的混合水温相同。

s7146，若是，则根据获取当前的混合阀开度值，并根据所述当前的混合阀开度值生成本次用水数据。

具体地，根据混合阀传感器测量的混合阀开度值，以及储水温度传感器测量的水箱储水温度，混合水温传感器获取当前的混合水温以及环境温度传感器测量的环境温度，生成本次用水数据并将所述本次用水数据存储在相应的神经元中。

s7148，若否，则判断所述混合阀门的开度是否达到预先配置的最大值；若达到预先配置的最大值，则继续调整混合阀门的开度。

具体地，在调整混合阀门的过程中，还可以监测混合阀门的开度是否达到预先配置的最大值。如果没有达到最大值，则继续调整混合阀门的开度。

s7149，若未达到预先配置的最大值，则发送提醒信息。

具体地如果达到预先配置的最大值，热水器将无法通过调整混合阀门的方式调整混合水温，此时，热水器可以主动提醒用户热水器中热水不足。

请参阅图8。图8为一种热水器混合水温的控制装置的结构示意图，其中，所述热水器包括混合阀门；

所述控制装置包括：

数据获取模块，用于根据温度信息在用水习惯库中获取历史用水数据；

开度调整模块，用于当获取到历史用水数据时，根据获取到的历史用水数据调整所述混合阀门的开度。

上述热水器混合水温的控制装置，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

作为一个具体实施方式，其中，当未获取到历史用水数据时所述控制装置包括：

数据生成模块，用于生成本次用水数据；

数据存储模块，用于将本次用水数据存储到用水习惯库中。

作为一个具体实施方式，其中，所述数据生成模块包括：

平均值获取单元，用于执行平均算法获取混合阀开度平均值；

状态判断单元，用于若获取成功，则根据所述混合阀开度平均值生成本次用水数据，若未获取成功，则读取混合阀开度传感器的数值，并根据所述混合阀开度传感器的数值生成本次用水数据。

作为一个具体实施方式，其中，所述控制装置还包括：

用户信息获取模块，用于获取用户信息；

信息判断模块，用于根据用户信息判断是否有对应用水习惯库，如果有，则由数据获取模块执行根据温度信息在所述用水习惯库中获取历史用水数据的步骤，如果没有，则根据用户信息建立用水习惯库。

作为一个具体实施方式，其中，所述用水数据存储于神经元中，所述神经元用于通过神经网络算法进行神经网络的自组织。

作为一个具体实施方式，其中，所述历史用水数据包括水箱设定温度、混合阀开度值、环境温度和混合水温。

作为一个具体实施方式，其中，所述数据获取模块包括：

温度获取单元，用于获取当前的环境温度及当前的水箱设定温度；

目标激活单元，用于根据所述当前的水箱设定温度激活目标神经网络层；

信息匹配单元，用于将所述当前的环境温度作为温度信息，在与所述目标神经网络层中匹配神经元；

数据获取单元，用于若匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据。

作为一个具体实施方式，其中，若匹配不成功，数据获取模块包括：

温度调整单元，用于根据预先配置的温度偏移值对当前的环境温度进行调整；

神经元获取单元，用于使用调整后的环境温度作为温度信息，再次在所述目标神经网络层中匹配神经元；

用水数据获取单元，用于若再次匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据；

次数判断单元，用于若再次匹配不成功，统计调整次数，判断调整次数是否达到预先配置的最大调整次数，若否，则继续根据预先配置的温度偏移值对调整后的环境温度进行再次调整。

作为一个具体实施方式，其中，所述控制装置还包括：

水温比较模块，用于获取当前的水箱储水温度；

温度判断模块，用于比较所述当前的水箱储水温度与水箱设定水温，若所述当前的水箱储水温度小于水箱设定温度，则根据所述当前的水箱储水温度激活第二目标神经网络层；

第二数据获取模块，用于将环境温度作为温度信息，在与所述第二目标神经网络层中匹配神经元，获取第二用水数据；

第二数据判断模块，用于判断是否重新获取到第二用水数据，若是，则根据第二用水数据调整混合阀门的开度。

作为一个具体实施方式，其中，若未重新获取到第二用水数据，则所述控制装置还包括：

开度调整模块，用于调整混合阀门的开度；

水温监测模块，用于监测当前的混合水温是否等于历史用水数据中存储的混合水温，若是，则根据获取当前的混合阀开度值，并根据所述当前的混合阀开度值生成本次用水数据；

调整判断模块，用于判断所述混合阀门的开度是否达到预先配置的最大值；若未达到预先配置的最大值，则继续调整混合阀门的开度；

信息发送模块，用于发送提醒信息。

一种热水器混合水温的控制设备，所述热水器包括混合阀门；所述设备包括处理器、存储器以及存储在存储器上的计算机程序，其中，所述计算机程序在被所述处理器执行时实现以下步骤：

根据温度信息在用水习惯库中获取历史用水数据；

当获取到历史用水数据时，根据获取到的历史用水数据调整所述混合阀门的开度。

上述热水器混合水温的控制设备，通过根据用户的用水习惯，自动调节混合阀门，通过调节冷水热水的比例自动达到用户的舒适沐浴温度，从而提高了用户使用热水器的舒适度。

作为其中一种具体实施方式，其中，当未获取到历史用水数据时，所述计算机程序在被所述处理器执行时还可以实现以下步骤：

生成本次用水数据；

将本次用水数据存储到用水习惯库中。

作为其中一种具体实施方式，其中，所述生成本次用水数据的步骤包括：

获取混合阀开度平均值；

若获取成功，则根据所述混合阀开度平均值生成本次用水数据；

若未获取成功，则读取混合阀开度传感器的数值，并根据所述混合阀开度传感器的数值生成本次用水数据。

作为其中一种具体实施方式，其中，处理器执行所述根据温度信息在用水习惯库中获取历史用水数据的步骤之前还包括：

获取当前的用户信息；

根据所述当前的用户信息判断是否存在对应的用水习惯库；

如果存在，则执行根据温度信息在所述用水习惯库中获取历史用水数据的步骤；

如果不存在，则根据用户信息建立对应的用水习惯库。

作为其中一种具体实施方式，其中，所述历史用水数据存储于神经元中，所述神经元用于通过神经网络算法进行神经网络的自组织。

作为其中一种具体实施方式，其中，所述历史用水数据包括水箱设定温度、混合阀开度值、环境温度和混合水温。

作为其中一种具体实施方式，其中，处理器执行所述根据温度信息在用水习惯库中获取历史用水数据的步骤包括：

获取当前的环境温度及当前的水箱设定温度；

根据所述当前的水箱设定温度激活目标神经网络层；

将所述当前的环境温度作为温度信息，在所述目标神经网络层中匹配神经元；

若匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据。

作为其中一种具体实施方式，其中，若匹配不成功，则处理器执行所述获取历史用水数据的步骤包括：

根据预先配置的温度偏移值对当前的环境温度进行调整；

使用调整后的环境温度作为温度信息，再次在所述目标神经网络层中匹配神经元；

若再次匹配成功，则获取处于兴奋状态的神经元，并获取存储在所述神经元中的历史用水数据；

若再次匹配不成功，统计调整次数，判断调整次数是否达到预先配置的最大调整次数；若否，

则继续根据预先配置的温度偏移值对调整后的环境温度进行再次调整。

作为其中一种具体实施方式，其中，处理器执行所述根据获取到的历史用水调整所述混合阀门的开度的步骤之后还包括：

获取当前的水箱储水温度；

比较所述当前的水箱储水温度与水箱设定水温；

若所述当前的水箱储水温度小于水箱设定温度，则根据所述当前的水箱储水温度激活第二目标神经网络层；

将环境温度作为温度信息，在所述第二目标神经网络层中匹配神经元，获取第二用水数据；

判断是否重新获取到第二用水数据；

若是，则根据第二用水数据调整混合阀门的开度。

作为一种具体实施方式，其中，若未重新获取到第二用水数据，则所述计算机程序在被所述处理器执行时还可以实现以下步骤：

调整混合阀门的开度；

监测当前的混合水温是否等于历史用水数据中存储的混合水温；

若是，则根据获取当前的混合阀开度值，并根据所述当前的混合阀开度值生成本次用水数据；

若否，则判断所述混合阀门的开度是否达到预先配置的最大值；若未达到预先配置的最大值，则继续调整混合阀门的开度；

若达到预先配置的最大值，则发送提醒信息。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。